梔子花_ef39

于Hadoop需要運行在Linux環(huán)境中绞蹦，而且是分布式的劣欢，因此個人學(xué)習(xí)只能裝虛擬機忽洛，本文都以VMware Workstation為準锭碳，安裝CentOS7涣楷，具體的安裝此處不作過...

梔子花_ef39

Apache Hadoop是目前最成熟的大數(shù)據(jù)分析工具分唾，但是市場上也不乏其他優(yōu)秀的大數(shù)據(jù)工具。目前市場上有數(shù)千種工具能夠幫你節(jié)約時間和成本狮斗，帶你從全新的角度洞察你所在的行業(yè)绽乔。...

梔子花_ef39

微軟的ASG (應(yīng)用與服務(wù)集團)包含Bing,、Office,碳褒、Skype折砸。每天產(chǎn)生多達5 PB以上數(shù)據(jù)，如何構(gòu)建一個高擴展性的data audit服務(wù)來保證這樣量級的數(shù)據(jù)完...

梔子花_ef39

最近幾年關(guān)于Apache Spark框架的聲音是越來越多沙峻，而且慢慢地成為大數(shù)據(jù)領(lǐng)域的主流系統(tǒng)鞍爱。最近幾年Apache Spark和Apache Hadoop的Google趨勢可...

梔子花_ef39

HBase數(shù)據(jù)在寫入的時候首先追加寫入HLog，再寫入Memstore专酗，也就是說一份數(shù)據(jù)會以兩種不同的形式存在于兩個地方睹逃。 為什么需要sequenceId? HBase數(shù)據(jù)在...

梔子花_ef39

現(xiàn)如今各種數(shù)據(jù)存儲方案層出不窮，本文僅僅是結(jié)合兩個實戰(zhàn)場景就基于HBase的大數(shù)據(jù)存儲做了簡單的分析蒋纬，并對HBase的原理做了簡單的闡述猎荠。如何使用好HBase，甚至于如何選擇...

梔子花_ef39

在 QCon 舊金山會議上，Neha Narkhede 做了“ETL 已死碾阁，而實時流長存”的演講输虱，并討論了企業(yè)級數(shù)據(jù)處理領(lǐng)域所面臨的挑戰(zhàn)。該演講的核心前提是開源的 Apach...

梔子花_ef39

我一直覺得脂凶，爬蟲是許多web開發(fā)人員難以回避的點宪睹。我們也應(yīng)該或多或少的去接觸這方面愁茁，因為可以從爬蟲中學(xué)習(xí)到web開發(fā)中應(yīng)當(dāng)掌握的一些基本知識。而且亭病，它還很有趣鹅很。 作者：Nic...

梔子花_ef39

Apache Kafka是一款流行的分布式數(shù)據(jù)流平臺，它已經(jīng)廣泛地被諸如New Relic(數(shù)據(jù)智能平臺)罪帖、Uber促煮、Square(移動支付公司)等大型公司用來構(gòu)建可擴展的、...

梔子花_ef39

現(xiàn)如今各種數(shù)據(jù)存儲方案層出不窮污茵，本文僅僅是結(jié)合兩個實戰(zhàn)場景就基于HBase的大數(shù)據(jù)存儲做了簡單的分析，并對HBase的原理做了簡單的闡述葬项。如何使用好HBase泞当，甚至于如何選擇...

梔子花_ef39

Na?veBayes算法，又叫樸素貝葉斯算法民珍，樸素：特征條件獨立;貝葉斯：基于貝葉斯定理襟士。屬于監(jiān)督學(xué)習(xí)的生成模型，實現(xiàn)簡單嚷量，沒有迭代陋桂，并有堅實的數(shù)學(xué)理論(即貝葉斯定理)作為支...

梔子花_ef39

又叫K-鄰近算法，是監(jiān)督學(xué)習(xí)中的一種分類算法蝶溶。目的是根據(jù)已知類別的樣本點集求出待分類的數(shù)據(jù)點類別嗜历。 簡介 又叫K-鄰近算法，是監(jiān)督學(xué)習(xí)中的一種分類算法抖所。目的是根據(jù)已知類別的樣...

梔子花_ef39

首先我們要學(xué)習(xí)Python語言和Linux操作系統(tǒng)梨州，這兩個是學(xué)習(xí)大數(shù)據(jù)的基礎(chǔ)，學(xué)習(xí)的順序不分前后田轧。 Python：Python 的排名從去年開始就借助人工智能持續(xù)上升暴匠，現(xiàn)在它...